机器视觉实现优质产品生产以及降低成本的理想选择

　　机器视觉技术在自动化生产中，广泛应用于检测工件在生产过程中的产品缺陷，是实现优质产品生产以及降低成本的理想选择。

　　走在信息科技前沿的美国已对机器视觉与大数据时代的互动关系先知先觉。介于美国政府公布的“大数据研发计划”(BigDataResearchandDevelopmentInitiative)中包含一个旨在为机器建立视觉智能的Mind‘sEye项目。该计划称，传统的机器视觉研究的对象选取广泛的物体来描述一个场景的属性名词，而Mind‘sEye旨在增加在这些场景的动作认识和推理需要的知觉认知基础。总之，这些技术可以建立一个更完整的视觉智能效果。

　　中国迷信院主动化研究所黄凯奇指出：“大数据时代最朴素也是最深刻的特点就是‘大’。统计学中的大数定律指出，当随机事件或者试验在大量重复出现的条件下，往往呈现几乎必然的统计特性。确切地说，大数定律是以确切的数学形式表达了大量重复出现的随机现象的统计规律性。对于依赖数据规律的机器视觉算法来讲，大数据无疑为人们进一步发现人类的认知机理，实现更加鲁棒[鲁棒是Robust的音译，也就是健壮、强壮、坚定、粗野的意思。鲁棒性(robustness)就是系统的健壮性]的机器视觉算法提供了可能。另一方面，随着机器视觉系统更加鲁棒稳定，更加智能，它在收集、分析、处理海量信息方面也将发挥更加重要的作用。简言之，机器视觉一边借大数据之利不断发展，一边又靠技术的完善而反哺大数据时代，形成一个良性的互动。”

　　然而，这种互动要想真正建立，还需要加强技术和产业的双轮驱动。“国外在上世纪80年代就已出现大量的机器视觉产品，而我国机器视觉技术的应用始于90年代末。虽然在过去10年有了长足的发展，但目前绝大部分还处于追赶状态，一个是技术上的积累与创新跟国外相比还存在较大差距。另外一个是国内在应用创新上也存在不足，很多都是跟随国外的应用案例或者通过代理相关产品来实现模仿应用等。”黄凯奇表示。

　　目前，机器视觉在交通等多个领域的应用仍相对单一，存在着多层面阻碍其进一步产业化发展的因素。黄凯奇分析说，首先在鲁棒稳定的机器视觉系统方面，因为机器视觉技术涉及众多学科，需要不同学科协同创新才能突破目前发展的技术瓶颈。再一个就是标准方面，目前大部分厂家为了自身的短期局部利益都各自开发封闭的设备、协议、系统，这对整个行业的发展极为不利。“如何破除这种封闭状态的弊端，制定行业统一开放标准是促进机器视觉行业形成大格局、大产业的必经之路。”黄凯奇说。

　　“还有一点原因，就是关于机器视觉刚需的创造。我国是一个典型的劳动力密集国家，大部分行业依靠的是低廉的大量富余劳动力。而机器视觉与自动化息息相关，因此如何一方面有效解决就业问题，另一方面又高效推进机器视觉相关自动化产品设备的推广使用，是政府部门、企业需要面对的问题。”黄凯奇表示。

　　但是，这类互动要想真正创建，还必要增强技能和财产的双轮驱动。陪伴着技能的成长，机器视觉的功效也在不竭扩大。各个行业都将有机器视觉是身影，其也将成为人们工作生活中不可获取的一部分。